sp;如果采用最小的模型版本进行推理，速度甚至可以达到惊人的200帧。

    多少人直到十年后，玩游戏的时候显示器都显示不了100帧？

    原本的初版YoLo技术其实在精确程度上还有所不足，毕竟，作为专注于速度的检测技术，在性能上有所牺牲也是在所难免。

    但孟繁岐开始接触YoLo技术的时候，都已经出到V4了，等到2023年的时候，甚至都已经到了V7，V8。

    很多细节上的问题，孟繁岐就是想犯错都不知道该怎么犯。

    最开始记得的就是优化之后的技术。

    此时此刻，比较常用的检测技术是dpm，30FpS性能26.1mAp，100FpS性能仅为16.0mAp。

    而这个月刚刚出来的R-cNN技术，性能虽然有一个质的突破，来到了50-60，但FpS已经到小数点后几位去了，根本用不了。

    孟繁岐交出的结果则是，69.5mAp，82FpS，58.3mAp，200FpS。

    这已经不能说是普通的超越了，简直是完爆中的完爆。

    不过除了在这方面有所疏忽之外，孟繁岐实际上还是在有意识地想要做高这个性能。

    纵观自己掌握的所有AI技术，唯有检测是现在阶段变现最快的。

    这个功能直接粗暴好理解，易于展示。

    只需要接上摄像头，给观众们实时地演示，这项AI技术可以流畅丝滑地检测出屏幕中的桌椅，人物，动植物等常见物体，就能够给观众最为直接的震撼。

    像图像生成，语言对话等技术，还需要一定的时间，海量的数据和计算资源来支撑，自己才能够实现这些技术。

    而在实际的应用前景上，检测技术不仅是现阶段最容易落地的技术，它的未来前景也非常辽阔。

    两三年后搞自动驾驶的企业那是不计其数，如过江之鲫，数不胜数。

    在检测上尽力做出夸张的突破，很有助于此后自己在这个方向上的历史地位，说白了其实就是更容易忽悠到钱。

    只是他第一次把握刀法，经验不足，没有切好。不慎导致比较专业的人士对此有所误会。

     >> --